Введение в MCP

Model Context Protocol (MCP) — это открытый протокол, разработанный Anthropic для стандартизации взаимодействия между AI-моделями и внешними инструментами. Представьте, что у вас есть AI-ассистент, которому нужно работать с базой данных, файловой системой или внешним API — MCP даёт единый интерфейс для всех этих операций.

Ключевая идея: вместо того чтобы хардкодить интеграции для каждого AI-приложения, вы создаёте MCP-сервер один раз — и любой MCP-совместимый клиент (Claude Desktop, Cursor, другие IDE) может использовать ваши инструменты.

#Зачем нужен MCP

До MCP каждый AI-клиент интегрировался с инструментами по-своему. Если вы хотели дать Claude доступ к вашей базе данных, вы писали кастомный плагин. Для ChatGPT — другой. Для Cursor — третий. MCP решает эту проблему:

Единый интерфейс: сервер регистрирует инструменты, ресурсы и промпты — любой клиент их обнаруживает
Автоматическое обнаружение: клиент вызывает tools/list и получает каталог всех доступных инструментов с описаниями и схемами параметров
Языковая независимость: протокол работает на JSON-RPC 2.0 — сервер можно написать на Python, TypeScript, Go, Rust
Два режима транспорта: stdio (локально, через stdin/stdout) и SSE (по сети, через HTTP)

#Архитектура MCP

Архитектура MCP строится на двух сущностях: клиент и сервер.

MCP-сервер — это процесс, который регистрирует:

Tools (инструменты) — функции, которые AI-клиент может вызвать с аргументами. Например, get_weather(city), search_database(query), send_email(to, subject, body).
Resources (ресурсы) — данные, доступные для чтения по URI. Например, config://app, file:///logs/app.log, user://123/profile.
Prompts (промпты) — шаблоны сообщений с аргументами. Например, промпт analyze_data(dataset) генерирует сообщение «Проанализируй данные из {dataset} и выдели тренды».

MCP-клиент — это AI-приложение (Claude Desktop, IDE, чат-бот), которое:

Подключается к серверу через транспорт (stdio или SSE)
Обнаруживает доступные объекты через tools/list, resources/list, prompts/list
Вызывает инструменты через tools/call с аргументами
Читает ресурсы через resources/read
Генерирует сообщения через prompts/get

Взаимодействие происходит через JSON-RPC 2.0. Каждый запрос имеет уникальный id, метод (method) и параметры (params). Ответ содержит result или error.

┌─────────────────┐         JSON-RPC 2.0         ┌─────────────────┐
│   MCP-клиент    │ ◄──────────────────────────► │   MCP-сервер    │
│  (Claude, IDE) │   tools/call, resources/read │  (ваш Python)   │
│                 │ ◄──────────────────────────► │                 │
│  AI-модель      │        result, error         │  tools          │
│                 │                              │  resources       │
│                 │                              │  prompts         │
└─────────────────┘                              └─────────────────┘

#Транспорт: stdio vs SSE

MCP поддерживает два режима транспорта, и выбор зависит от сценария.

stdio-транспорт — коммуникация через стандартные потоки ввода-вывода (stdin/stdout). Сервер запускается как дочерний процесс клиента.

Подходит для локального использования (Claude Desktop на вашем компьютере)
Не требует сети, портов, настройки хоста
Один клиент — один сервер (процесс)
Идеален для разработки и десктопных приложений

SSE-транспорт (Server-Sent Events) — сервер работает как HTTP-сервис.

Доступен по сети для нескольких клиентов
Требует хост, порт, возможно HTTPS
Подходит для продакшена и корпоративного деплоя
Позволяет централизованно обслуживать один сервер для многих клиентов

#Пример сценария взаимодействия

Рассмотрим типичный сценарий: пользователь спрашивает AI-ассистенту «Какая погода в Москве?».

Обнаружение: при подключении клиент вызывает tools/list и получает список инструментов сервера, включая get_weather с описанием параметров
Решение: AI-модель клиента решает, что для ответа нужен инструмент get_weather(city='Moscow')
Вызов: клиент отправляет tools/call с name: "get_weather" и arguments: {"city": "Moscow"}
Выполнение: сервер вызывает функцию get_weather, получает данные от погодного API
Ответ: сервер возвращает результат в стандартизированном формате
Формулировка: AI-модель клиента формулирует ответ пользователю на основе данных

Весь этот процесс прозрачен для пользователя — AI просто «знает», как получить данные, потому что сервер предоставил описание инструмента.

#Экосистема MCP

MCP — это открытый стандарт. Anthropic опубликовала спецификацию, и сообщество создаёт серверы для всего: базы данных (PostgreSQL, MongoDB), файловые системы, веб-поиск, GitHub, Jira, Slack, Google Workspace. FastMCP — одна из самых удобных библиотек для создания своих серверов на Python, которую мы изучим в следующих темах.

┌─────────────────┐ JSON-RPC 2.0 ┌─────────────────┐ │ MCP-клиент │ ◄──────────────────────────► │ MCP-сервер │ │ (Claude, IDE) │ tools/call, resources/read │ (ваш Python) │ │ │ ◄──────────────────────────► │ │ │ AI-модель │ result, error │ tools │ │ │ │ resources │ │ │ │ prompts │ └─────────────────┘ └─────────────────┘